[發(fā)明專利]一種基于深度學習的RNA和蛋白質(zhì)結合位點的識別方法

有效

• 申請?zhí)枺?/td>: 202110597078.6
• 申請日: 2021-05-31
• 公開（公告）號: CN113178229B
• 公開（公告）日: 2022-03-08
• 發(fā)明（設計）人: 朱曉冬;李澤晉;劉元寧
• 申請（專利權）人: 吉林大學
• 主分類號: G16B20/30
• 分類號: G16B20/30;G06N3/04
• 代理公司: 長春市恒譽專利代理事務所(普通合伙) 22212
• 代理人: 鞠傳龍

本發(fā)明公開了一種基于深度學習的RNA和蛋白質(zhì)結合位點的識別方法，其方法為：識別方法分為兩部分：數(shù)據(jù)處理和模型設計訓練，各部分主要步驟如下：第一步、數(shù)據(jù)處理：步驟1、原始數(shù)據(jù)去冗余；步驟2、預測二級結構信息；步驟3、對步驟2中獲得的二級結構進行編碼；步驟4、將所有數(shù)據(jù)保存在對應的csv文件中作為輸入數(shù)據(jù)；第二步、模型設計及訓練：步驟1、編碼為數(shù)據(jù)矩陣作為模型輸入；步驟2、兩個特征矩陣維度相同；步驟3、將組合特征輸入到編碼器中；步驟4、最終編碼器編碼的結果；步驟5、經(jīng)過sigmoid函數(shù)得到最終類別。有益效果：利用Transformer網(wǎng)絡學習序列的長依賴性和對特征進行編碼，能夠有效地預測RNA和蛋白質(zhì)的結合位點。

技術領域

本發(fā)明涉及一種RNA和蛋白質(zhì)結合位點的識別方法，特別涉及一種基于深度學習的RNA和蛋白質(zhì)結合位點的識別方法。

背景技術

RNA結合蛋白質(zhì)(RNA binding protein,RBP)是一類調(diào)控RNA代謝過程的蛋白質(zhì)，它與許多重要的生物學過程密切相關，像基因的轉(zhuǎn)錄后調(diào)控和基因表達等。例如，miRNA是一類長度在21bp左右的RNA，和mRNA互相作用后，會使其停止翻譯，發(fā)揮一個轉(zhuǎn)錄后調(diào)控的作用。此外，RBP的失調(diào)還有可能導致各種疾病。RBP、FUS和TDP-43的突變與肌萎縮側索硬化癥密切相關，RBP還可以破壞糖尿病的轉(zhuǎn)錄后機制，了解RBP在糖尿病中的調(diào)控作用可以幫助設計基于RNA的糖尿病并發(fā)癥治療方法。綜合RBP與RNA的相互作用和單核苷酸多態(tài)性的信息有利于揭示疾病背后的RBP調(diào)控機制。一般來說，RNA結合蛋白相關知識為識別RNA功能提供了有價值的見解。因此，深入理解分析蛋白質(zhì)與RNA間的相互作用對于理解、調(diào)控和揭示生命活動背后的機理是不可或缺的步驟，RNA與蛋白質(zhì)相互作用的研究已經(jīng)成為重要的研究課題。

蛋白質(zhì)與RNA結合位點預測的研究一直沒有取得什么實質(zhì)性的進展，根本原因在于實驗所需的數(shù)據(jù)資源十分有限。但是近幾年來，隨著第二代測序技術的迅猛發(fā)展，蛋白質(zhì)-RNA復合物數(shù)據(jù)庫資源穩(wěn)定增長，科研人員逐步開始重視蛋白質(zhì)與RNA相互作用的研究。當前研究RNA與蛋白質(zhì)結合位點的方法主要有兩種方法，一是通過生物實驗的方式，這種方式不僅對實驗環(huán)境要求比較苛刻，而且對科研人員專業(yè)素養(yǎng)要求過高。這種方式雖然準確可靠，但需要大量的時間和精力，并且實驗過程中的諸多不可控因素也會對結果產(chǎn)生巨大影響。另外一種方式是通過生物信息學采用計算的方法，這種方法需要研究者利用已有的數(shù)據(jù)通過機器學習等方法進行建模預測，相比于前一種方法會有很多優(yōu)點，成本低廉且方便快捷，因此通過計算代替生物實驗的方式受到了科研人員的追捧。

在最近的研究中，深度學習模型被廣泛應用于基于生物序列的預測任務，包括RBP與RNA之間的相互作用的預測。基于深度學習的方法由于其在特征表示和學習能力方面的獨特優(yōu)勢，不僅有助于提高預測精度，而且有助于識別序列中對結合親和力至關重要的基序。

發(fā)明內(nèi)容

本發(fā)明的目的是添加RNA的二級結構信息作為新的數(shù)據(jù)源，為了提出新的混合神經(jīng)網(wǎng)絡模型而提供的一種基于深度學習的RNA和蛋白質(zhì)結合位點的識別方法。

本發(fā)明提供的基于深度學習的RNA和蛋白質(zhì)結合位點的識別方法，其方法包括如下步驟：

識別方法分為兩部分：數(shù)據(jù)處理和模型設計訓練，各部分主要步驟如下：

第一步、數(shù)據(jù)處理：

使用CLIPdb中的數(shù)據(jù)作為數(shù)據(jù)集，該數(shù)據(jù)集由19中RBP的31個實驗組成，對于每個實驗中的數(shù)據(jù)，源自CLIP-seq的相互作用位點簇內(nèi)的RNA的所有核苷酸均被視為結合位點，該數(shù)據(jù)集中的原始數(shù)據(jù)是fasta格式的RNA序列文件，具體步驟如下：

步驟1、原始數(shù)據(jù)去冗余：數(shù)據(jù)處理時，首先使用CD-HIT軟件對數(shù)據(jù)進行去冗余；

步驟2、預測原始數(shù)據(jù)中RNA序列對應的二級結構信息：通過RNAfold模型預測RNA序列的二級結構信息；